PCA－BP模型在城乡建设用地规模预测中的应用

为探索提高BP神经网络在建设用地规模预测中的精度，提出主成分分析(PCA)和BP神经网络相结合的建设用地规模预测模型，并利用PCA－BP模型对山西省晋城市建设用地规模进行预测。首先，利用Pearson相关系数法分析筛选出影响建设用地规模的主要驱动因子;其次，利用主成分分析法(PCA)消除其相关性，并达到降维的目的;最后，以PCA结果作为输入层建立建设用地规模的BP神经网络模型，并利用BP模型进行训练预测，得到最终预测值。预测结果表明，PCA－BP模型的平均绝对误差MAE、平均相对误差MＲE、均方误差MSE比传统BP神经网络模型小，平均预测精度Ｒ更高，具有较高的拟合度及可行性，在预测效率和预测精度方面都有进一步的改善。该方法的提出能为今后科学合理预测建设用地规模提供一种新思路，同时为土地利用总体规划修编提供重要决策基础。
本站共享资料便于大家学习，如您需要某些资料数据，可以注册向客服索取。